The LSM RUM-Tree: A Log Structured Merge R-Tree for Update-intensive Spatial Workloads

The LSM RUM-Tree: A Log Structured Merge R-Tree for Update-intensive Spatial Workloads

许多应用需要空间对象上的更新密集型工作，例如社交网络服务和追踪移动对象(设备)的共享服务。日志结构合并树(Log Structured Merge Tree, LSM)通过在内存中缓冲插入和删除操作，能够处理插入密集型的工作负载，在各种系统中得到了广泛应用。虽然人们对LSM的关注主要集中在key-value存储及其优化上，但如何高效地支持基于LSM的二级索引仍然是一个需要研究的问题。本文研究了将基于主存的memo结构扩展为LSM二级索引结构，以高效地处理更新密集型工作负载。我们在基于r树的二级索引的背景下进行了这项研究。特别地，我们将介绍LSM RUM-tree，它演示了在基于LSM的Rtree中使用更新备忘录来增强r树的插入、删除、更新和搜索操作的性能。LSM RUM-tree引入了新的策略来减少更新备忘录的大小，使之成为一种轻量级的内存结构，适合处理更新密集型的工作负载，而不会引入显著的开销。基于真实空间数据的实验结果表明，与现有的LSM R-tree实现相比，LSM RUM-tree在更新操作上最高可获得9.6倍的加速，在查询处理上最高可获得2400倍的加速。 

方法：

本文提出了LSM RUM-Tree，一种基于LSM的R-tree，它利用内存更新备忘录(In -memory Update Memo，简称UM)来支持更新密集型的空间工作负载，同时具有优异的搜索性能。LSM RUM-Tree维护了多个r -tree和一个UM组件，UM组件只驻留在内存中。为了控制UM的大小，提出了4种UM清洗策略，不仅减少了UM的内存消耗，而且提高了整体性能。实验结果表明，与目前最先进的LSM R-tree实现相比，LSM RUM-tree在更新操作上最高可获得9.6倍的加速，在搜索性能上最高可获得2400倍的加速。